Korištenje A.I. stvoriti umjetni ljudski genetski kod

Najmanje od 1950., kada je Alana Turinga poznato "Računalni strojevi i inteligencija” rad je prvi put objavljen u časopisu Um, računalni znanstvenici zainteresirani za umjetnu inteligenciju bili su fascinirani idejom kodiranja uma. Um je, prema teoriji, neovisan o supstratu, što znači da njegova sposobnost obrade ne mora nužno biti vezana za mokri dio mozga. Mogli bismo prenijeti umove na računala ili, zamislivo, izgraditi potpuno nove u potpunosti u svijetu softvera.

Ovo su sve poznate stvari. Iako tek trebamo izgraditi ili ponovno stvoriti um u softveru, izvan apstrakcija najniže razlučivosti koje su moderne neuronske mreže, nema manjka računalnih znanstvenika koji rade na ovom naporu trenutak.

Ono što je manje poznato je rad koji provode istraživači na estonskom Sveučilištu Tartu i francuskom Sveučilištu Paris-Saclay.

Umjesto da samo pokušavaju ponovno stvoriti aproksimaciju uma u softveru, okrenuli su se drugačiji problem: Možete li koristiti algoritam za generiranje genetskog koda za ljude koji nikada nisu postojao? Možete li primijeniti istu tehnologiju generativne kontradiktorne mreže (GAN) koja dopušta A.I. modeli poput BigSleepa ispljunuti uvjerljivo realistične generirane slike i upotrijebiti ih, umjesto toga, za stvaranje lažne DNK koja se, u duhu Turingova rada, ne može razlikovati od one osobe od krvi i mesa?

Umjetni genetski podaci

"Stvaranje umjetnih genetskih podataka koji su dovoljno realistični, bez izravnog kopiranja sekvenci, vrlo je težak problem," Flora Jay, istraživač specijaliziran za strojno učenje i populacijsku genetiku na Sveučilištu Paris-Saclay, rekao je za Digital Trends. “Genetski podaci su velike dimenzije i ne možete samo promatrati što je važno ili nije. Stoga smo se okrenuli vrhunskim tehnikama koje [se] primjenjuju na računalni vid, tekst, glazbu ili svijet proteina. Ove generativne mreže - GAN-ovi i [ograničeni Boltzmannovi strojevi] - dizajnirani su tako da mogu postupno i automatski učiti kako stvarati umjetne genetske sekvence."

GAN, klasa okvira za strojno učenje koju je skovao istraživač (i sadašnji zaposlenik Applea) Ian Goodfellow, koristi borbeni pristup potezanja konopa za poboljšanje svojih generativnih rezultata. Sastoji se od dvije neuronske mreže: "generatora" i "diskriminatora" koje međusobno prenose izlazne podatke.

Posao generatora je stvoriti nešto, bilo da je to A.I. slika ili dio koda koji predstavlja umjetni genom u obliku jedinica i nula. Diskriminator, poput bot verzije J.K. Simmonsov perfekcionist instruktor glazbe u filmu udarac bičem, zatim kritizira svoje napore i šalje to natrag generatoru. Generator uči iz te povratne informacije, dok diskriminator na sličan način postaje sve bolji u pogađanju što je stvorio generator i što je originalni artikl. Na kraju, generator je toliko dobar u stvaranju lažnih verzija onoga što pokušava da se diskriminator može prevariti. Više ne može razlikovati pravi od lažnog.

"Jedan od glavnih problema ovdje je procjena kvalitete umjetnih genoma," Burak Yelmen, doktorat znanosti student na Institutu za genomiku Sveučilišta u Tartuu, rekao je za Digital Trends. “Možete pogledati sliku i odlučiti izgleda li stvarno, ali to nije moguće za genome. [Većina] analiza koje smo proveli u našoj studiji bila je da vidimo izgledaju li umjetni dijelovi genoma koje smo generirali doista poput pravih.”

Ipak, ne brinite. Unatoč sve većoj masi članaka o vrlo sumnjivom petljanju gena s ciljem ponovnog pisanja ljudskog koda, ovaj rad ne pokušava "pisati" nove ljude bez roditelja koji bi se mogli stvoriti uz pomoć superračunala.

“Da budemo jasni, cilj našeg rada je bolje razumjeti i kodirati postojeću genetiku raznolikosti tisuća ili milijuna ljudi diljem svijeta, a ne za stvaranje umjetnih stanica,” Jay rekao je. "Neuronske mreže treniraju se na ovoj postojećoj raznolikosti, tako da generirane genomske regije ne nose dodatne nove mutacije koje lako mogu poremetiti funkcionalnost sekvence - a oni uključuju, nedirnute, segmente koji su sačuvani u ljudskom stanovništva.”

Jay je primijetio da je, na razini cijelog genoma, "teško reći" bi li specifična kombinacija milijuna generiranih nukleotida doista mogla biti “funkcionalan.” Drugim riječima, nemojte očekivati ​​da ćete sastaviti i pokrenuti ovaj kod, očekujući da će se potpuno formirana osoba (ili njeni nacrti) pojaviti na drugom mjestu kraj. Umjesto toga, svrha je nešto potpuno manje zlokobno i, potencijalno, korisnije.

Sve o privatnosti podataka

“Postoji ogromna količina podataka u biobankama i svakim danom se povećava”, rekao je Yelmen. „Međutim, genomski podaci su osjetljivi podaci i pristup tim biobankama može biti težak za istraživače zbog etičkih razloga. Glavni cilj našeg rada je stvoriti visokokvalitetne surogate postojećih banaka genoma i pružiti rješenje za ovu barijeru pristupačnosti unutar sigurnog etičkog okvira. Važno je napomenuti da je naša studija bila prvi korak: još ima posla."

Jay je dodao: "Ideja iza naše studije je da počnemo istraživati ​​je li oslobađanje umjetnih genoma umjesto pravih one bi mogle sačuvati privatnost donatora genoma, a istovremeno pružiti korisne informacije populacijskoj genetici zajednica. [Moguće] primjene umjetnih genoma mogle bi varirati od boljeg razumijevanja naše evolucijske prošlosti do pružanja uvida u medicinsku genetiku, uključujući širi raspon raznolikosti.”

Na neki način rad podsjeća na trend, viđen prije nekoliko godina, u kojem su GAN-ovi korišteni za stvaranje slika imaginarnih ljudi, životinja i još mnogo toga što predstavlja generativna web stranica ThisPersonDoesNotExist.com. Samo ovaj put, naravno, uključuje stvarni genetski kod, a ne jednostavne slike.

Rad koji opisuje projekt, pod naslovom "Stvaranje umjetnih ljudskih genoma pomoću generativnih neuronskih mreža", bio je nedavno objavljen u časopisu PLOS Genetics.

Preporuke urednika

• Optičke iluzije mogle bi nam pomoći u izgradnji sljedeće generacije umjetne inteligencije
• Analogni AI? Zvuči ludo, ali to bi mogla biti budućnost
• Pročitajte jezivo lijepe 'sintetičke spise' umjetne inteligencije. koji misli da je Bog
• Algoritamska arhitektura: Trebamo li pustiti A.I. projektirati zgrade za nas?
• Ova tehnologija bila je znanstvena fantastika prije 20 godina. Sada je to stvarnost